Anaconda Jupyter中配置R运行环境
Anaconda Jupyter中配置R运行环境
引言
当学习一个R语言的程序包时，希望记录下来函数的功能，和示例代码运行数据，Jupyter notebook在此时可以发挥作用，它可以方便地展示学习记录、以及代码、以及代码的运行结果。
我电脑上已经安装了Anaconda（是为了使用spyder所以安装的Anaconda），然后第一次安装好Anaconda之后，打开Anaconda 的图形化navigator之后，就默认创建了一个环境（env），并且命名为root。
然后在打开Anaconda 的图形化navigator界面中，有Jupyter notebook的图标，所以我即点击Launch运行，却发现此时Jupyter notebook只支持python3 和Julia两种编程语言。所以如果想在Jupyter notebook中使用R语言，则需要进行一番配置。
配置过程
如何在Jupyter notebook中配置可以使用R语言的环境，搜索发现，以下两个网页信息十分有用：
第一个是图形化的配置操作方法，第二个是使用conda命令行的操作方法。
理解操作步骤的原理就是，要在Anaconda默认创建好的root 环境之外，另外创建一个环境，可以命名为r_tutorial（第一个网页介绍的创建名称），或者r_env（第二个网页介绍的创建名称）。然后再激活这个环境即可。最后用Jupyter notebook打开这个env就可以在Jupyter notebook中使用R语言了。
总结实践测试后的配置方法
这里记录主要使用Anaconda prompt 命令行的操作方法：
- windows控制面板，卸载独立于Anaconda之外安装的python 和python的IDLE。
- Anaconda prompt 命令行输入
conda config --set show_channel_urls yes， 然后打开路径文件C:\Users\samsung.condarc，编辑文本以粘贴入下文中来自清华镜像站的使用配置代码（见困难2段落）。即配置好了Anaconda使用清华的镜像，以确保后续配置环境过程中下载速度有保障。 - 运行
conda clean -i清除索引缓存，保证用的是清华镜像站提供的索引。 - 运行
conda create -n r_env r-essentials r-base，即创建名为r_env的environment，对提示的下载输入y。下载后，即也完成了安装。 - 运行
conda activate r_env， 以激活环境。 - 运行
conda list查看一下新创建的r_env环境中已经安装的package，应该包含很多熟悉的R语言package，并且都是以 r-开头的。 - 运行
conda activate r_env，激活r_env环境。 - 运行
jupyter notebook，即打开Jupyter notebook的浏览器，新建中选择R即可以开始用R语言进行Jupyter notebook笔记写作了。
以后再需要使用jupyter notebook 创作R语言的笔记时，直接打开anaconda Powershell prompt (Anaconda) 然后执行上述步骤的8 和9 即可。然后在浏览器打开的页面中，新建处选择R。
记录实践的过程
我是按照第二个介绍的conda命令行的操作方法进行实践的，首先打开Anaconda Prompt命令行终端，然后输入 conda create -n r_env r-essentials r-base ,即开始运行。
困难点1
开始运行不久，就弹出一个窗口报错，提示是python程序出错。但是命令行中又没有报错，这时再运行激活环境的代码时 conda activate r_env，发现又报错，提示没有该环境。这说明环境创建失败。所以我怀疑是独立于Anaconda之外在电脑上安装的python 程序造成了这个报错，所以我卸载了电脑上安装的python 以及python IDLE。之后重新运行create r_env的代码，发现就不报错了。开始提示要安装一些package，就是下载r-essentials r-base 还有environment所必需的一些文件，输入y 之后，即开始下载。
困难点2
开始下载之后就发现，下载进度特别慢，以至于最后提示下载失败。这应该是因为Anaconda的服务器位于国外，所以数据传输很慢导致下载失败。此时想到国内应该有Anaconda的镜像，搜索即发现清华镜像站中即有Anaconda的镜像资源（Anaconda 镜像使用帮助），并且提供了很好的镜像配置使用说明，如下：
TUNA 还提供了 Anaconda 仓库与第三方源（conda-forge、msys2、pytorch等，查看完整列表）的镜像，各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
即可添加 Anaconda Python 免费仓库。
运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。
运行 conda create -n myenv numpy 测试一下吧。
所以基于上述清华Anaconda镜像站使用说明信息，我首先在Anaconda 命令行中运行，conda config --set show_channel_urls yes ，生成了用户目录下的 .condarc 文件（创建之后在我电脑上的完整路径是 C:\Users\samsung.condarc）。然后打开该文件粘贴上如上配置内容。即设置好了下载镜像。
然后再按照提示，运行 conda clean -i 清除索引缓存。
此时，应该开始创建environment了。所以我重新再运行，conda create -n r_env r-essentials r-base ，然后提示安装package时输入y，就开始下载了。这是就看到速度很可以了，几分钟左右即下载完成，并且命令行中提示运行激活环境的代码激活环境。所以运行激活环境代码， conda activate r_env。然后再运行一下， conda list 查看新创建的r_env环境中已经安装的package，可以看到R语言相关的package都是有 r- 开头的，同时还有其他package，包括python3.8。
再打开Anaconda 的navigator，可以在environment中看到root下面多了一个 r_env 的环境。这时，可以使用图形化的方式或命令行的方式打开r_env 的notebook。图形化方式就是，在r_env上右键，选择open with Jupyter Notebook。我这里使用命令行的方式，就是在Anaconda中输入 conda activate r_env ，然后再运行 jupyter notebook ，就发现打开了Jupyter notebook的浏览器，在页面右上角的新建处就可以选择R了。新建R之后就可以愉快地开始使用了。
